生成式AI越來越流行，尤其是在商業領域。不久前，沃爾瑪宣布推出生成式AI應用程序，供5萬名非店鋪員工使用。App將沃爾瑪數據與第三方大語言模型（LLM）結合，可以幫助員工執行多種任務，比如成為創意伙伴，在大文檔中提取摘要。

由于生成式AI流行，GPU需求增加，訓練深度學習模型需要強大的GPU。據《華爾街日報》報道，訓練AI模型可能需要幾十億美元，因為要處理并分析海量數據。

新趨勢為英偉達帶來可觀的商機，英偉達GPU成為炙手可熱的賺錢機器。為了獲得英偉達芯片，創業公司、投資者采取非常措施。《紐約時報》專欄文章稱：“相比金錢、工程人才、炒作熱度甚至利潤，今年企業似乎更需要GPU。”

在這次可能的科技變革中，英偉達站在山頂。就在此時，谷歌與英偉達達成合作，為谷歌云客戶提供基于英偉達GPU的技術支持。眼下需求大增是不是意味著生成式AI觸及巔峰，還是說它是下一波浪潮的開始？這是一個大家都在思考的問題。

在最近的財報會議上，英偉達CEO黃仁勛指出，需求增加標志著加速計算的開始，它只是黎明。黃仁勛建議企業重新配置投資，不要只盯著通用計算，應該要多關注生成式AI和加速計算。

通用目的計算指的是基于CPU的計算，英偉達卻認為CPU已經成為落后基礎設施，開發者應該針對GPU做優化，因為相比傳統CPU，GPU的效率更高。GPU可以同時并行處理多種計算，特別適合深度學習。在處理一些特定數學問題時GPU也有獨特優勢，比如線性代數和矩陣操作任務。

可惜的是，許多軟件都只是針對CPU做了優化，無法從GPU并行計算中獲益。未來許多CPU任務將由GPU來執行，這對英偉達來說是一個機會，因為生成式AI會生成海量內容，它需要云計算支撐。

人類和企業都是懶惰的，既然軟件已經針對CPU做了優化，就不愿意再為GPU投入資源和時間。

當機器學習剛剛出現時，數據科學家野心太大，想將它應用于一切，哪怕有些領域已經有了更簡單的工具，他們也要引入機器學習。老實說，在眾多商業問題中，機器學習能出色解決的只有極少一部分。總之，加速計算和GPU并非適合所有軟件。

迎接下一波浪潮，生成式AI需要突破

審視當下，英偉達的業績數據的確搶眼，但Gartner卻警告稱，生成式AI處在預期膨脹的頂峰。有人斷言，生成式AI炒作已經演變成毫無根據的興奮和夸大的期望。

生成式AI熱潮可能很快就會觸及瓶頸。SK Ventures風投家認為：“我們現在已經進入第一波大語言模型AI的長尾階段。浪潮是從2007年開始的，當時谷歌發布了一篇名為《Attention is All You Need》的論文，在未來1-2年內，大家就會撞到瓶頸。”有哪些瓶頸呢？比如產生幻覺的傾向，狹窄領域的訓練數據不足，多年前的訓練語料庫老化，還有其它無數因素。總之，我們現在極可能已經進入第一輪AI浪潮的尾部。

是不是說生成式AI即將死亡？非也，只是說生成式AI需要重大技術突破，這樣才能大幅提高生產力，才能孕育更好的自動化。在下一波生成式AI浪潮中，新模型、更開放、無處不在的廉價GPU可能是關鍵。

從長遠看，生成式AI應該是光明的，因為勞動力短缺，人類需要更出色的自動化技術。回看歷史，AI與自動化似乎是兩個獨立的技術門類，但生成式AI改變了這種看法。Workflow聯合創始人Mike Knoop說：“AI與自動化正在坍縮成同一樣東西。”麥肯錫在報告中說：“生成式AI將會孕育下一次生產力大提升。”高盛則認為生成式AI可以將全球GDP提升7%。（小刀）